MIV-SVM-BPSO模型在铀矿堆浸中的应用 |
| |
引用本文: | 宋月婵,刘光萍,黄晨.MIV-SVM-BPSO模型在铀矿堆浸中的应用[J].东华理工大学学报(自然科学版),2019,42(3). |
| |
作者姓名: | 宋月婵 刘光萍 黄晨 |
| |
作者单位: | 东华理工大学长江学院,江西抚州344000;东华理工大学核资源与环境国家重点实验室,江西南昌330013;东华理工大学核资源与环境国家重点实验室,江西南昌,330013;东华理工大学长江学院,江西抚州,344000 |
| |
基金项目: | 核资源与环境国家重点实验室资助项目 |
| |
摘 要: | 利用某矿区ZQ7堆浸柱实测数据作为建模分析样本,建立MIV-SVM、BPSO-SVM、MIV-SVM-BPSO三种模型,对铀矿堆浸进行建模仿真。其中,平均影响值(MIV)算法,可对影响铀矿浸出率的特征因子进行排序;离散二进制粒子群(BPSO)算法可筛选出最优的特征子集;而改进的MIV-SVM-BPSO模型,则是将排序后的优良子集作为后续BPSO算法的部分种群,进而对样本进行仿真实验。结果表明,MIV-SVM-BPSO模型的模拟效果均比单一的MIV-SVM和BPSO-SVM模型好,该模型具有有效降低数据维数,在小样本条件下学习更加有效,建模采样过程更快,模拟精度更高的优点;将浸出液体积,Eh_出,Fe■,Fe~(2+)_出作为铀矿生物堆浸工艺的主要控制因数可降低生产成本,提高铀矿浸出率。
|
关 键 词: | 累计铀浸出率 特征选择 支持向量机 离散二进制粒子群算法 |
本文献已被 CNKI 万方数据 等数据库收录! |
|